脑 MRI 中的 SE(3)-等变且噪声不变的 3D 刚体运动跟踪
图像与视频处理
2024-06-13 v3 计算机视觉与模式识别
摘要
刚体运动跟踪在许多需要检测、校正或考虑运动的医学成像应用中至关重要。现代策略依赖于卷积神经网络 (CNN) 并将此问题视为刚体配准。然而，CNN 并未利用该任务中的自然对称性，因为它们仅对平移具有等变性（其输出随输入平移），而对旋转则不然。在此，我们提出 EquiTrack，这是第一种使用最新可操控 SE(3)-等变 CNN (E-CNN) 进行运动跟踪的方法。虽然可操控 E-CNN 可以在不同姿态下提取对应特征，但在噪声医学图像上测试表明，它们没有足够的学习能力来学习噪声不变性。因此，我们引入了一种混合架构，将去噪器与 E-CNN 配对，以解耦解剖学无关强度特征的处理与等变空间特征的提取。随后以闭式形式估计刚体变换。EquiTrack 在成人脑 MRI 和胎儿 MRI 时间序列的运动跟踪方面优于最先进的学习和优化方法。我们的代码可在 https://github.com/BBillot/EquiTrack 获取。
引用
@article{arxiv.2312.13534,
title = {SE(3)-Equivariant and Noise-Invariant 3D Rigid Motion Tracking in Brain MRI},
author = {Benjamin Billot and Neel Dey and Daniel Moyer and Malte Hoffmann and Esra Abaci Turk and Borjan Gagoski and Ellen Grant and Polina Golland},
journal= {arXiv preprint arXiv:2312.13534},
year = {2024}
}
备注
Published at IEEE transactions on Medical Imaging